国际资讯|Radiant Earth Foundation发布了世界上第一个开放的地理空间训练数据存储库
点击图片上方蓝色字体“慧天地”即可订阅
英文原文来源：www.geospatialworld.net
中文编译整理：慧天地国际站一鸣
转载需经【慧天地】许可。
为了让从事粮食安全等全球重点工作的数据科学家更轻松地获取地理空间信息，Radiant Earth Foundation推出了Radiant MLHub，这是世界上第一个基于云的开放的地球观测训练数据库，该库主要致力于支持相关的机器学习研究工作。
图1：（图片来源：Radiant Earth Foundation）
联合国（UN）的数据显示，2018年全球四分之一的人口（即26.4％，约20亿人口）经历了中度或严重的粮食不安全状况，并指出了这其中的主要原因是粮食价格上涨和粮食产量下降，以及气候变化和人口增长等趋势，到2050年这可能使农业需求增加50％。尽管面临重大挑战，但使用卫星图像数据可以支持社会和经济资源流向最需要的个人和社区，从而帮助全球发展社会实现联合国到2030年零饥饿的目标。
目前依然存在的一个主要的问题就是：尽管有大量的卫星图像，但我们仍缺乏相关的训练数据和工具来推进机器学习应用并处理这些卫星图像。Radiant MLHub，这是一个开放的数字数据存储库，允许任何人发现并访问高质量的地球观测（EO）训练数据集和机器学习模型。除了发现他人的数据外，个人和组织还可以使用Radiant MLHub共享他们自己的训练数据，从而最大程度地发挥其作用，扩大其应用范围。此外，Radiant MLHub能够绘制出其托管的所有训练数据的地图，以便相关研究人员可以轻松地确定需要更多数据的地理区域。
依据Creative Commons许可协议（CC BY 4.0）发布的Radiant MLHub，在该平台上托管的训练数据集为数据科学家和其他机器学习爱好者提供了他们可以使用的基准，以便训练和验证他们的算法并提高其性能。12月10号，Radiant MLHub首次发布了肯尼亚、坦桑尼亚和乌干达主要农作物的“作物类型(crop type)”训练数据。它基于欧空局Sentinel-2任务的多光谱数据，这其中包括Sentinel-2在生长季节捕捉到的时间数据，这些数据集中所包含的小麦、玉米、高粱和各种蔬菜的信息，则由Plant Village、Dalberg data Insights和Great African Food公司提供。“作物类型”训练数据集是Radiant Earth Foundation计划中独立发布的许多全球培训数据集中的第一个，并将致力于与其他合作伙伴共同解决一系列相关研究领域的问题。未来的发布计划还包括基于Sentinel-2观测结果的全球陆地覆盖类型数据集和基于Sentinel-1观测结果的地表水数据集。
图2：（图片来源：https://www.mlhub.earth/）
Radiant Earth Foundation选择“作物类型”作为其第一个数据集，是因为作物分类是了解粮食作物宏观趋势的基础。传统上，农业分类是通过直接询问农民来实现的，并以此来确定他们所种庄稼的类型，多样性和生长周期等数据。管理此类调查是非常耗时的，并且需要大量劳动力。因此，像美国这样的富裕经济体通常每五年才进行一次调查。在非洲等发展中地区，农业普查通常每十年完成一次。根据世界银行的数据显示，尽管个别研究人员和非政府组织可能开展了自己的调查，但在2007年至2017年间，只有57％的非洲国家能够完成至少一项政府资助的农业调查。
因为能够更加自动化的收集和分析数据，所以将机器学习算法在卫星图像上的应用可以使农业调查变得更快、更便宜，因而更高效地完成相关调查。Radiant Earth Foundation创始人兼首席执行官安妮·黑尔·米格拉雷斯（Anne· Hale·Miglarese）说道：“对撒哈拉以南非洲地区人口增长的预测表明，在未来80年内，人口将增加13亿至43亿。鉴于该地区人民已经面临着很严重的粮食不安全状况，而且气候变化将使这一状况继续恶化，我们必须推动创新，以不断监测可持续的供应和分配渠道，并围绕这些渠道重新调整我们的农业生产体系。我们在Radiant MLHub上发布的训练数据集是建立开放式机器学习模型的第一步，该模型可以动态地识别作物类型和未来产量，从而为未来的粮食生产提供信息。”
Radiant MLHub上发布的第一个训练数据集由The Patrick J. McGovern Foundation资助。ThePatrick J. McGovern Foundation受托管理人利兹·麦戈文（Liz·McGovern）博士表示：“我们对Radiant MLHub的推出感到非常高兴，这是全球共同努力消除广泛的粮食不安全状况的一项重大进步。像Radiant Earth所发展的那样，开放数据和机器学习的创新有望为人类面临的最紧迫挑战提供新的解决方案。”
点击文末“阅读原文”即可查看原文章
内容转载、商务活动、投稿等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com
欢迎关注慧天地同名新浪微博：
ID：慧天地_geomaticser
国际资讯|卫星观测到大规模海洋生物迁移
国际资讯|EarthPy：用于绘制和处理空间数据的Python包
国际资讯|哥白尼数据与人工智能技术共同对抗气候变化
《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，探索企业核心竞争力，传播测绘地理信息文化，为测绘、地信、遥感等相关专业的同学提供日常学习、考研就业一站式服务，旨在打造政产学研用精准对接的平台。
《慧天地》高度重视版权，对于原创、委托发布的稿件，会烦请作者、委托方亲自审核通过后オ正式推发；对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件，会在作者栏或者文章开头显著标明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！
编辑：魏青 审核：安有硕 杜一鸣
指导：万剑华教授